2频数分析列连表.docx
《2频数分析列连表.docx》由会员分享，可在线阅读，更多相关《2频数分析列连表.docx（17页珍藏版）》请在冰豆网上搜索。
2频数分析列连表
1频数分析（DescriptiveStatistics-Frequencies）
频数分布分析主要通过频数分布表、条形图和直方图，以及集中趋势和离散趋势的各种统计量来描述数据的分布特征。
下面我们通过例子来学习单变量频数分析操作。
1）输入分析数据
在数据编辑器窗口打开“data1-2.sav”数据文件。
2）调用分析过程
在主菜单栏单击“Analyze”，在出现的下拉菜单里移动鼠标至“DescriptiveStatistics”项上，在出现的次菜单里单击“Frequencies”项，打开如图3-4所示的对话框。
图3-4“Frequencies”对话框
3）设置分析变量
从左则的源变量框里选择一个和多个变量进入“Variable（s）:
”框里。
在这里我们选“三化螟蚁螟[虫口数]”变量进入“Variable（s）:
”框。
4）输出频数分布表
Displayfrequencytables，选中显示。
5）设置输出的统计量
单击“Statistics”按钮，打开图3-5所示的对话框，该对话框用于选择统计量：
图3-5“Statistics”对话框
①选择百分位显示“PercentilesValues”栏：
Quartiles：
四分位数，显示25%、50%和75%的百分位数。
Cutpointsfor10equalgroups：
将数据平分为输入的10个等份。
Percentile（s）:
：
用户自定义百分位数，输入值0—100之间。
选中此项后，可以利用“Add”、“Change”和
“Remove”按钮设置多个百分位数。
②选择变异程度的统计量“Dispersion”：
（离散趋势）
Std.deviation标准差
Minimum最小值
Variance方差
Maximum最大值
Range 极差
S.E.mean均值标准误
③选择表示数据中心位置的统计量“CentralTendency”：
（集中趋势）
Mean均值
Median中位数
Mode众数
Sum算术和
④选择分布指标“Distribution”：
Skewness偏度
Kurtosis峰度
6）统计图形输出设置
单击“Charts”按钮，将弹出如图3-6所示的对话框：
图3-6“Charts”对话框
①ChartType图形选择栏：
○None：
不输出图形；
○Barcharts：
输出条形图；
○Piecharts：
输出饼图；
⊙Histograms：
输出柱状图。
若选中“√Withnormalcurve”项，则在绘制柱状图中加绘一条正态分布曲线。
②当用户选中条形图或饼图时，在“ChartValues”框的选项中可选择：
⊙Frequencies：
绘制频数图。
○Percentages：
绘制频率图。
7）设置频数表格式
在图3-4对话框中，单击“Format”按钮，打开如图3-7所示的对话框：
图3-7“Format”对话框
①设置排序的方法“Orderby”：
⊙Ascendingvalues：
按变量值的升序排列。
○Descendingvalus：
按变量值的降序排列。
○Ascendingcounts：
按频数的升序排列。
○Descendingcounts：
按频数的降序排列。
②选择多变量输出设置“MultipleVariables”：
⊙Comparevariables选项，所有变量在一个图形中输出，以便进行比较。
○Organizeoutputbyvariables选项，为每一个变量单独输出一个图。
③设置在频数表中显示的组数
选中此项，输入分组数，系统缺省为10组。
设置完成后，点击“Continue”按钮回到上一级对话框。
8）提交执行
在图3-4对话框里单击“OK”按钮，SPSS在输出窗口的输出结果如表1、表2和图1结果。
9）分析结果
表1统计量表 Statistics
三化螟蚁螟
N
Valid
120
Missing
0
Mean（平均数）
75.14
Std.Deviation（标准差）
7.024
Skewness（偏度系数）
-.031
Std.ErrorofSkewness（偏度系数误差）
.221
Kurtosis（峰度系数）
-.582
Std.ErrorofKurtosis（峰度系数误差）
.438
Percentiles
10
65.00
20
68.20
30
71.00
40
73.40
50
75.00
60
77.00
70
79.00
80
81.80
90
84.90
在表1中列出的信息有：
有效观测值有124个，缺失值0个，平均数75.14，标准差7.024。
偏度系数（Skewness）及误差：
-0.031和0.221，峰度系数（Kurtosis）及误差：
-0.582和0.438。
表2频数表
三化螟蚁螟
Frequency
（频数）
Percent
（百分比）
ValidPercent
（有效观测值的百分比）
CumulativePercent
（累积百分比）
Valid?
?
?
?
?
58
1
.8
.8
.8
62
3
2.5
2.5
3.3
63
1
.8
.8
4.2
64
4
3.3
3.3
7.5
65
4
3.3
3.3
10.8
66
1
.8
.8
11.7
67
5
4.2
4.2
15.8
68
5
4.2
4.2
20.0
69
4
3.3
3.3
23.3
70
4
3.3
3.3
26.7
71
5
4.2
4.2
30.8
72
7
5.8
5.8
36.7
73
4
3.3
3.3
40.0
74
4
3.3
3.3
43.3
75
9
7.5
7.5
50.8
76
9
7.5
7.5
58.3
77
5
4.2
4.2
62.5
78
6
5.0
5.0
67.5
79
6
5.0
5.0
72.5
80
6
5.0
5.0
77.5
81
3
2.5
2.5
80.0
82
4
3.3
3.3
83.3
83
3
2.5
2.5
85.8
84
5
4.2
4.2
90.0
85
2
1.7
1.7
91.7
86
4
3.3
3.3
95.0
87
3
2.5
2.5
97.5
88
1
.8
.8
98.3
90
1
.8
.8
99.2
91
1
.8
.8
100.0
Total
120
100.0
100.0
?
在表2中列出的信息有：
Frequency频数；Percent百分比；ValidPercent有效观测值的百分比；CumulativePercent累积百分比。
图3-8频数分布的条形图表示
2列联表分析（Crosstabs）
列联表是指两个或多个分类变量各水平的频数分布表，又称频数交叉表。
SPSS的Crosstabs过程，为二维或高维列联表分析提供了22种检验和相关性度量方法。
其中卡方检验是分析列联表资料常用的假设检验方法。
例子：
山东烟台地区病虫测报站预测一代玉米螟卵高峰期。
预报发生期y为3级（1级为6月20日前，2级为6月21-25日，3级为6月25日后）；预报因子5月份平均气温x1（℃）分为3级（1级为16.5℃以下，2级为16.6-17.8℃，3级为17.8℃以上），6月上旬平均气温x2（℃）分为3级（1级为20℃以下，2级为20.1-21.5℃，3级为21.5℃以上），6月上旬降雨量x3（mm）分为3级（1级为15mm以下，2级为15.1-30mm，3级为30mm以上），6月中旬降雨量x4（mm）分为3级（1级为29mm以下，2级为29.1-36mm，3级为36mm以上）。
数据如下表。
山东烟台历年观测数据分级表（）
年份
59
60
61
62
63
64
65
66
67
69
70
71
72
73
74
75
76
77
y
1
3
1
1
3
1
1
2
1
3
2
1
2
2
3
2
2
1
x1
3
2
2
3
1
3
2
3
3
1
2
3
1
1
1
2
2
1
x2
1
2
3
1
1
2
2
1
1
1
1
2
3
1
1
1
1
2
x3
3
1
1
3
1
2
1
3
2
2
1
2
1
2
3
2
3
1
x4
3
1
1
1
1
1
1
1
1
1
3
1
1
2
1
1
1
1
注：
摘自《农业病虫统计测报》131页。
1）输入分析数据
在数据编辑器窗口打开“data1-3.sav”数据文件。
数据文件中变量格式如下：
2）调用分析过程
在菜单选中“Analyze-Descriptive-Crosstabs”命令，弹出列联表分析对话框，如下图
3）设置分析变量
选择行变量：
将“五月气温[x1]，六月上气温[x2]，六月上降雨[x3]，六月中降雨[x4]”变量选入“Rows:
”行变量框中。
选择列变量：
将“玉米螟卵高峰发生期[y]”变量选入“Columns:
”列变量框中。
4）输出条形图和频数分布表
Displayclusteredbarcharts:
选中显示复式条形图。
Suppresstable:
选中则不输出多维频数分布表。
。
5）统计量输出
点击“Statistics”按钮，弹出统计分析对话框（如下图）。
Chi-Square:
卡方检验。
选中可以输出皮尔森卡方检验（Pearson）、似然比卡方检验（Likelihood-ratio）、连续性校正卡方检验
（ContinuityCorrection）及Fisher精确概率检验（Fisher’sExacttest）的结果。
Correlations:
选中输出皮尔森（Pearson）和Spearman相关系数，用以说明行变量和列变量的相关程度。
Nominal:
两分类变量的关联度（Association）测量
ContingencyCoefficient:
列联系数，其值越大关联性越强。
PhiandCramer’sV：
Cramer列联系数，其值越大关联性越强。
Lambda:
减少预测误差率，1表示预测效果最好，0表示预测效果最差。
UncertaintyCoefficient:
不定系数
Ordinal:
两有序分类变量（等级变量）的关联度测量
Gamma:
关联度，+1表示完全正关联，-1表示负关联，0表示无联。
Somers’d：
列联度，其取值范围和意义同上。
Kendall’stau-b：
NominalbyInterval:
一个定性变量和一个定量变量的关联度
Eta：
关联度统计量。
Kappa：
吻合度系数，其取值-1至+1，其值越大吻合程度越高。
Risk：
危险度分析。
McNemar：
配对计数资料的卡方检验。
Cochran’sandMantel-Haenszelstatistics：
检验在协变量存在下，两个二分类变量是否独立。
6）设置列联表的显示
单击“Cells”按钮，弹出列联表显示内容对话框（如下图）。
Counts:
频数
Observed:
观测频数。
Expected:
期望频数。
Percentages:
百分比
Row:
占本行的百分比。
Column:
占本列的百分比。
Total:
占全部的百分比。
Residuals:
残差分析
Unstandardized:
非标准化残差分析。
Standardized:
标准化残差分析。
Adj.Standardized:
调整的标准化残差分析。
NonintegerWeights:
⊙Roundcellcounts:
临近列计算。
○Truncatecellcounts:
。
○RoundcaseWeights临近记录度量
○TruncatecaseWeights
○Noadjustments:
不调整。
7）设置输出格式
单击Format按钮，弹出列联表输出格式对话框（如下图）。
RowOrder:
频数
⊙Ascending:
行变量从小到大升序排列。
○Descending:
行变量从大到小降序排列。
8）设置检验
单击“Exact”按钮，弹出精确检验对话框（如下图）。
⊙Asymptoticonly近似的，系统设置。
○MonteCarlo
Confidencelevel:
99%置信度，系统默认99%。
Numberofsamples:
10000样本数量，系统默认10000。
○Exact
Timelimitpertest:
5minutes限时检验时间，系统默认值5分钟。
9）提交执行
设置完成后，在列联表分析对话框中，点击OK按钮，计算结果输出在结果窗口中。
10）结果与分析
在结果窗口中查看计算结果，主要输出内容如下。
五月气温*玉米螟卵高峰发生期
Crosstab
玉米螟卵高峰发生期
Total
6月20日前
6月21-25日
6月25日以后
五月气温
16.5以下
Count（频数）
ExpectedCount（期望值）
1
2.7
2
2.0
3
1.3
6
6.0
16.6-17.8
Count（频数）
ExpectedCount（期望值）
2
2.7
3
2.0
1
1.3
6
6.0
17.8以上
Count（频数）
ExpectedCount（期望值）
5
2.7
1
2.0
0
1.3
6
6.0
Total
Count（频数）
ExpectedCount
8
8.0
6
6.0
4
4.0
18
18.0
Chi-SquareTests
Value
df
Asymp.Sig.（2-sided）
PearsonChi-Square
皮尔森卡方检验
7.750（a）
4
.101
LikelihoodRatio
似然比卡方检验
8.510
4
.075
Linear-by-LinearAssociation
6.248
1
.012
NofValidCases
18
a9cells（100.0%）haveexpectedcountlessthan5.Theminimumexpectedcountis1.33.
（其余的省约）
结果分析：
从交叉表（Crosstab）对角线中看出，只有“五月气温与玉米螟卵高峰发生期”对角线上出现的频数大于期望值（5>2.7，3>2.0，3>1.3）。
从卡方检验表得知，也只有“五月气温与玉米螟卵高峰发生期”能通过线性间的联合检验（Linear-by-LinearAssociation），双尾检验p<0.012。
因此，玉米螟卵高峰发生期与五月气温有密切的关系，五月气温越高，发生越早。
升级会员 